پیش بینی مشخصههای امواج دریا به وسیله روش شبکههای عصبی مصنوعی و روشهای تجربی (بررسی موردی: منطقه بوشهر)
[پایاننامه]
/شاهرخ درخشان
دانشگاه صنعتی سهند
، دی ماه ۱۳۸۲
۱۹۹
چاپی
کتابنامه در آخر پایان نامه
فصل دوم: مکانیک امواج و تئوری های مربوطه- فصل سوم: روشهای پیش بینی امواج- فصل چهارم: پیش بینی مشخصه های امواج در منطقه بوشهر با استفاده از روشهای تجربی وشبکه های عصبی مصنوعی- فصل پنجم: مقایسه روش های پیش بینی مشخصه های امواج- فصل ششم: نتیجه گیری و پیشنهادات
کارشناسی ارشد
مهندسی عمران- سازههای دریایی
دانشگاه صنعتی سهند
اطلاع در مورد مشخصه هایی از قبیل ارتفاع و پریود امواج دریا یکی از نیازهای اساسی بسیاری از دانشمندان، محققین، مهندسین عمران، علوم و فنون دریایی، ناوبری، شیلات و ... و حتی ساکنین نواحی ساحلی می باشد. این اطلاعات در زمینه طراحی، ساخت، اجرا، نصب و انتقال سازه های دریایی مانند سکوها، شناورها، موج شکن ها و ...، همچنین جهت تخمین میزان حمل وانتقال رسوبات دریایی، برآورد میزان فرسایش و رسوب گذاری ایجاد شده در مجاورت سازه های دریایی و بنادر اهمیت دارند. با توجه به اینکه امواج دریا غالبا بر اثر ورزش باد بر روی سطح آب حاصل می شوند که دارای ارتفاع و پریودهای متفاوتی هستند لذا تلاش بر این است که بر اساس اطلاعات هواشناسی و سایر پارامترهای موثر در تشکیل امواج ، آنها را در محل مورد نظر پیش بینی نمود. در این خصوص روشهای تجربی مختلفی ارائه شده است . در این تحقیق با پردازش بیش از ۵۶۰۰ داده هواشناسی شامل سرعت و جهت باد، مدت زمان تداوم باد، دمای هوا، دمای سطح آب و سایر اطلاعات از قبیل طول باد خور مربوط به ایستگاه هواشناسی ساحلی و بویه شنامور منطقه بوشهر با استفاده از روشهای تجربی S.B.Mو S.P.Mو JONSWAPو Doneland و Krylov مشاهده شد که مناسب ترین روش تجربی جهت پیش بینی ارتفاع امواج، روش S.M.B و مناسب ترین روش تجربی جهت پیش بینی پریود امواج، روشهای JONSWAP و .S.M.B می باشند.با در نظر گرفتن محدودیتهای هر کدام از روشهای فوق ، اصلاحات و تغییراتی در به کار بردن سرعت و مدت زمان تداوم باد و طول بادگیر با توجه به شرایط جوی و اقلیمی حاکم بر منطقه بوشهر و خلیج فارس انجام گردید که بهبود نتایج مفید واقع شد. شبکههای عصبی مصنوعی سعی در مدل کردن ساختار نرو- سیناپتیکی مغز دارد و یک مجموعه کاملا ساده از واحدهای پردازش ساده می باشند که این واحدها توسط اتصالات فیمابینشان ، فیلتر و تصحیح می گردند. شبکههای عصبی مصنوعی با داشتن ویژگیهای حفظ تجربه، قابلیت یاگیری و تعمیمی دهی ، سرعت عمل ، سادگی ، آموزشپذیری و خلاصه سازی ، هم اکنون در رشتههای مختلف علمی از جمله مهندسی عمران کاربرد و رواج یافتهاند در این مطالعه با استفاده از روشهای Back Propagationو Cascade Correlation برای پیش بینی مشخصات امواج در منطقه بوشهر استفاده شده است. مقایسه نتایج بدست آمده از روشهای تجربی S.M.B و S.P.M و JONSWAPو Donelan و Krylov بر روی بیش از ۵۶۰۰ داده مربوط به ایستگاه هواشناسی ساحلی و بویه شناور منطقه بوشهر و نتایج روش شبکه عصبی مصنوعی نشان می دهد که شبکه مصنوعی پیش بینی مناسب تری را ارائه می دهد.